요인분석, 문항을 묶어 변수 만들기

KMO 0.6 이상, Bartlett 검정 유의가 출발선입니다. 고유값 1 이상으로 요인을 뽑고 베리멕스 회전 후 적재량 0.4 또는 0.5를 기준으로 문항을 정리합니다.

문항 20개가 사실은 네 개의 개념을 재고 있다는 것을 보이는 분석입니다. 설문 문항이 의도한 대로 묶이는지 확인하고, 묶인 문항들로 변수를 만들어 이후 분석에 씁니다.

탐색적과 확인적

  • 탐색적 요인분석(EFA): 문항이 어떻게 묶이는지 자료에게 물어봅니다. 새로 만든 설문이나 번역한 도구에 씁니다. SPSS로 합니다.
  • 확인적 요인분석(CFA): 이렇게 묶일 것이라는 모형을 미리 세우고 자료가 그 모형에 맞는지 봅니다. 검증된 도구를 썼을 때 적합합니다. AMOS나 Mplus로 합니다.

SPSS에서 돌리기

  1. 1분석 > 차원 축소 > 요인분석을 엽니다.
  2. 2문항을 전부 변수 칸에 넣습니다.
  3. 3기술통계에서 KMO와 Bartlett의 구형성 검정에 체크합니다.
  4. 4요인추출에서 주성분 또는 주축요인을 고르고, 고유값 1 초과를 기준으로 둡니다.
  5. 5요인회전에서 베리멕스를 고릅니다.
  6. 6옵션에서 크기순 정렬과 작은 계수 표시 안 함(0.4)에 체크하면 표가 훨씬 읽기 쉬워집니다.

읽는 순서

  • KMO가 0.6 이상이어야 요인분석을 할 만한 자료입니다. 0.8을 넘으면 양호하다고 봅니다.
  • Bartlett의 구형성 검정은 유의해야 합니다. 유의하지 않으면 문항 간 상관이 거의 없어 묶을 것이 없다는 뜻입니다.
  • 고유값 1 이상인 요인의 개수를 봅니다. 이론상 기대한 개수와 맞는지 확인합니다.
  • 누적 설명분산이 60% 안팎이면 무난하다고 보는 관행이 있습니다. 사회과학에서는 50%대도 흔히 받아들여집니다.
  • 회전된 성분행렬에서 각 문항의 적재량을 봅니다.

문항을 빼는 기준

  • 어느 요인에도 0.4 이상으로 붙지 않는 문항은 뺍니다. 엄격하게는 0.5를 쓰기도 합니다.
  • 두 요인 이상에 0.4 넘게 동시에 붙는 교차적재 문항도 뺍니다. 두 적재량의 차이가 0.2 미만이면 교차로 보는 관행이 있습니다.
  • 이론적으로 다른 요인에 붙어버린 문항은 수치만 보고 옮기지 말고, 왜 그렇게 묶였는지 설명할 수 있어야 합니다.
  • 문항을 뺄 때는 한 번에 하나씩 빼고 다시 돌립니다. 여러 개를 한꺼번에 빼면 구조가 크게 바뀝니다.
논문에는 이렇게 씁니다
측정도구의 구성타당도를 확인하기 위해 주성분분석과 베리멕스 회전을 적용한 탐색적 요인분석을 실시하였다. KMO 값은 .873, Bartlett의 구형성 검정 결과는 유의하여(χ²=2,418.37, p<.001) 요인분석에 적합한 자료임을 확인하였다. 고유값 1 이상을 기준으로 4개 요인이 추출되었으며 누적 설명분산은 63.42%였다. 요인적재량이 .40 미만인 2개 문항을 제외하고 최종 18개 문항을 분석에 사용하였다.

이 작업을 대신 해드립니다

구글폼이나 엑셀로 받은 응답 파일을 올리면 변수 레이블, 값 레이블, 역문항 역코딩, 요인별 신뢰도, 요인 평균변수가 들어간 SPSS 명령문을 만들어드립니다. 지금은 무료입니다.

올린 파일은 서버로 보내지 않습니다. 계산은 브라우저 안에서만 이루어집니다.

데이터 올려보기

함께 보면 좋은 글

가이드 전체 보기